这是原始的心理学研究方法，分为自然观察法、参与性观察法、个案法和调查法。
自然观察法指研究者对自然情景下的现象进行观察，获得被试真实自然的行为。如研究地震等灾害对受难者的心理影响。
参与性观察法指研究者把自己融入观察对象的群体中进行观察。这弥补了自然观察对某些资料有限的搜集能力。
个案法指研究者对单个或少数几个被试进行长期全面的追踪研究。如陆里亚对有神奇记忆的人的个案研究。
调查法是借助问卷、量表工具收集资料，并分析处理得出结论的观察方法。
这个方法为研究者提供能评估和详细说明两个或多个变量间关联程度的相关系数，用r表示，值的变化范围是－1～1。绝对值大小表示相关联程度，正负号表示方向，0表示毫不相关，-1表示负相关，1表示正相关。常用的相关系数有，皮尔逊积差相关系数、斯皮尔曼等级相关系数等。
为了研究结果更接近因果关系的解释，研究者提出了交叉－滞后法。
4、实验法
实验法有三项基本要素，分别是实验假设和推论、实验变量、实验控制。
第一项要素是实验假设和推论。实验假设要遵循操作定义原则，转化成可操作的推论。
第二项要素是实验变量，包括自变量、因变量和额外变量。自变量是主试操作和控制的对被试反应有影响的变量。因变量是随着自变量变化而变化的被试反应。
这两项变量都要遵守操作定义原则。
比如想研究某读物的易读性，易读性是因变量，但是难以测量，可以定义为阅读后有意义信息的保持量。
额外变量是实验中与实验目的无关，但影响因变量的潜在因素和条件，它会混淆自变量的影响，所以需要排除。
第三项要素是实验控制，泛指一切保障实验精度的工作，最主要的就是对额外变量的控制。
根据变量的不同，实验设计可以分为自变量的设计、因变量的设计和额外变量的设计；根据被试角度，实验设计可以分为被试间设计、被试内设计和混合设计；根据样本数量，实验设计可以分为大样本设计和小样本设计。
4.1关于变量的实验设计
4.1.1、多自变量设计
典型的心理学实验是同时操纵2～4个自变量的多变量设计，优点是效率高、实验控制好、普遍性高，而且能揭示变量间的交互作用。
如沃林顿和韦斯克兰茨揭示內隐记忆的经典实验，设计了记忆能力和记忆测验类型两个自变量。其中，记忆能力分出记忆缺陷和记忆正常两个水平，记忆测验类型分出自由回忆测验和词汇辨认测验两个水平。
如图所示，在自由回忆测验中，记忆能力不同的两组被试成绩差异明显，而在词汇辨认测验中成绩差异不明显，如下图所示。沃林顿和韦斯克兰茨正是根据发现自变量间的交互作用开拓出了內隐记忆的研究新领域。
4.1.2、多因变量设计
多因变量设计可以获得单因变量实验无法提供的信息，不过通常使用两个因变量就够了，因为使用太多因变量，在统计分析时要涉及多元方差分析，难度和工作量大。
对因变量的测量用到主观指标和客观指标。
主观指标指被试对自己的心理活动进程叙述的记录或者是对主试提问的回答。
客观指标有反应速度、反应速度的差异、反应的正确性、反应标准、反应的难度和神经生理指标6种。
反应速度的差异指标，如在内隐学习的研究中，被试对随机组字母和对规则组字母的的反应时之差；
反应的正确性指标，如测量走迷宫走入盲巷的次数；
反应的标准指标，如测量似然比𝞫；
反应的难度指标，如斯金纳箱设置的三个难度等级；
神经生理指标，如被试的心率。
选择因变量指标时要考虑因变量的有效性、客观性和数量化三个方面。
第一，有效性
是说指标能充分代表所研究的现象。其中，要注意避免出现天花板效应和地板效应，如体重计最大刻度如果低于要测量的被试的体重值，就出现了天花板效应。如测试的题目太难，导致水平高的和低的都做不出来，就出现了地板效应；
第二，客观性
是说指标是客观存在的，可以测量也可以在一定条件下重复实验来验证；
第三，数量化
是说指标是能数量化的。
此外，主试还要指导被试在主试所设想的维度上进行反应，因为不加引导，被试的反应就没有方向。这时，主试又需要控制和标准化指导语，因为指导语也成为重要的自变量，要保持不变。
4.1.3、额外变量设计
额外变量分为随机额外变量和系统额外变量。由随机额外变量引起的误差是随机误差，如偶然的温度变化，可以运用多元统计技术来排除。由系统额外变量引起的误差是系统误差，如主试效应、被试效应，可以运用下面的6种设计方法来控制。
第一，排除法
顾名思义，就是想办法把额外变量排除出去，如为了消除外界的噪音，通过隔音室来排除。
如果要消除主试效应，可以通过单盲实验来排除。主试效应指主试在实验中会有意无意地用动作、表情、语言等方式影响被试，使他们的反应符合自己的期望，或者主试在记录时无意中以偏向自己的假设来记录数据两种情况。单盲实验要求记录因变量数据的研究者不知道谁是实验组，谁是控制组，从而排除上面两个干扰因素。
如果要同时消除主试效应和被试效应，可以通过双盲实验来排除。被试效应指被试会自发地对实验目的产生一定的假设和猜测，然后以自认为能满足目的的方式进行反应，或者被试可能会有意反馈研究者需要的数据，再或者可能自我认同这一假设，有意无意的选择遗忘不合假设的数据，导致出现虚假的数据三种情况。双盲实验法要求测量因变量的研究者和被试，双方都不知道谁是实验组谁是控制组，从而排除上面几种因素的干扰。另外，为了防止被试猜到实验目的，还可以多设置控制组，不让被试轻易猜到研究者的假设。
第二，恒定法
在实际操作时，研究者其实做不到把所有额外变量都排除，所以还可以让额外变量在实验过程中保持恒定不变，这样也相当于控制了额外变量的影响。比如为了克服性别不同造成的实验结果的偏差，研究者可以选用一个性别来试验。
但这种方法的局限是难以将实验的结果推广到额外变量的其它水平上去。比如为了控制性别的影响，研究者只选取了男性被试，那么得到的结论就不能直接推广到女性被试身上。
第三，匹配法
匹配法是想办法把被试人为分出具有相同特质的若干组。如“练习对射击效果的影响”实验，研究者首先测试每个被试打靶的成绩，然后把成绩相同的被试分别分配，匹配成射击水平相当的两组被试。
这种方法在理论上可取，但在实际操作中很难，原因有四点。
一、匹配往往不完全。研究者不可能对被试的每个特征都进行匹配；
二、匹配往往费时耗力；
三、匹配的特质间可能存在交互作用，对实验结果有混淆作用。如匹配被试的年龄分成初中生和大学生两组，想研究他们对不同材料的识记能力，但实际上，年龄和识记材料间有交互作用，因为年龄小的被试对图形的再认能力强，年龄大的对文字再认能力强，那么如果两组被试对不同材料的识记能力出现差异，到底是材料的问题还是年龄的问题，就说不清了；
四、匹配时可能出现统计回归假象。统计回归假象指极端个体的表现有向平均表现回归的倾向。
如一项非洲裔儿童的阅读分数提高计划，为匹配非洲裔儿童组和白人儿童组的阅读成绩，就可能出现统计回归假象，因为非洲裔儿童的最初阅读成绩普遍比白人儿童低，所以如果完全按成绩匹配，就会把非洲裔的高分组和白人的低分组匹配起来，那么实施阅读提高计划后，由于统计回归假象存在，非洲裔小孩成绩可能反而下降。
第四，随机化法
随机化法指把被试随机分配到各处理组中，去接受不同的自变量处理。逻辑是，如果总体中的所有成员都有同等机会被抽取到任意处理组，那么可期望形成的各处理组的各种条件和机会也是相等的。
随机化法的具体操作方法有同时分配法和次第分配法两种。
同时分配法使用的条件是，被试在同时等候，主试可以随意调派其中任何一个被试。这种操作有抽签法、笔画法、报数法三种技术，其中笔画法指先按照姓氏笔画数排序，然后用随机数表来分配被试。
从理论上讲，随机化法随机取样的被试通常要达到三十人以上，是控制额外变量的最佳方法。但它的局限性是，主试不能精确地控制不同组间的被试差异，也就是说不知道哪些变量得到了控制。
第五，抵消平衡法
抵消平衡法用到ABBA法和拉丁方设计法，通过系统改变实验处理呈现顺序，从而抵消或平衡顺序效应，空间效应、习惯误差、疲劳效应和练习效应等额外变量带来的误差。这个方法是心理实验最常用的方法之一。它的逻辑是如果把被试安排在所有顺序下接受实验处理，那么结果的差异就可以归于自变量而不是顺序。
ABBA法的操作，是把自变量水平分为A和B，然后让所有被试都按照ABBA这样的顺序接受四次实验处理。这种方法在理论上可以有效平衡呈线性系统变化的位置和延续误差。
拉丁方设计法主要用于自变量水平超过两个的情况。拉丁方是一个两维矩阵，列表示实验处理，行表示被试，其中拉丁方第一行的建立公式是1、2、n、3、n－1、n－2……，依次类推。如下图。
第六，统计控制法
前面的五种方法都是在实验中控制，这个方法是实验后用一些统计技术去控制。这是由于条件限制，研究者明知一些额外变量存在，但在实验中也做不到控制，只好在实验后通过一些统计技术尽量把这些额外变量的影响排除出去。主要的技术有协方差分析、偏相关等。
4.2关于被试的实验设计
4.2.1、被试间设计
被试间设计要求每位被试只接受一种实验处理。
这种设计的最大问题是，由于不同的被试接受不同的实验处理，所以在解释因变量的变化时，不能简单地认为因变量的变化差异都是自变量的差异造成的，这种差异也可能是被试间的差异造成的，这是很难分辨的。
如测定30名学生的记忆无意义音节的能力的实验，这个实验的自变量分背诵一次和背诵五次两种水平。根据被试间设计的要求，研究者把被试分成两组，但如果分得不巧，记忆力特别差的人都分到背诵5次的一组，记忆力特别好的人都分到背诵1次的组，那么很可能会得出跟实际不同的结果。
弥补这个缺陷的办法是尽量减少两个或多个组别的被试差异，可以采用匹配法和随机化法两种技术，这两种方法在前面已经有详细介绍。
被试间设计的优点是，因为每个人只接受一种实验处理，所以可以避免练习效应和疲劳效应。但局限有两点，除了没有办法从根本上排除个体差异这个额外变量对实验结果的混淆作用外，还有一点是用到的被试数量太大。
4.2.2、被试内设计
被试内设计要求每个被试接受自变量所有水平的处理，测量相同被试在不同处理下的行为变化。这种设计与被试间设计相比，因为看的是被试前后的变化，所以不存在个体差异这个额外变量，但它另外存在位置效应、延续效应、差异延续效应等额外变量的混淆。
位置效应，是指因为实验处理的序列位置影响被试反应。
如想比较两种可乐的口感，所有被试先品尝A可乐，再品尝B可乐，结果大部分被试喜欢A可乐，这个时候我们不能简单地认为是A可乐的口感好，因为被试有这种偏好的另一个可能是先喝到了A可乐。
延续效应，是指前一阶段的实验处理会对后一阶段的处理产生影响。如被试要接受两种实验处理，先接受A处理，然后他在接受B处理的时候，可能因为接受过A处理，导致他的行为水平提高了或者对实验处理感到厌倦了，就是说被试受到练习效应和疲劳效应的影响。
差异延续效应，也指前一阶段的处理影响后一阶段的处理的效果，但跟延续效应不同的是，这种影响取决于先出现的是什么处理。
如研究重复次数对单词学习效果的影响，有重复5次和重复1次两种自变量水平。如果先让被试重复次数多的实验，再让被试重复次数少的学习方式，由于被试有了前面的学习经验，可能会在要求重复1次的实验处理中私自多重复4次，从而影响自变量两个水平的差异。这时候，如果调换一个实验顺序，情况就会改善，这就和延续效应不同了。
对于这些混淆效应，研究者使用平衡设计法来排除和控制。常用的是ABBA法和拉丁方设计，这两种方法在前面也已经详细介绍。
被试内设计和被试间设计相比，还有一个优点是，节省了被试人数。
4.2.3、混合设计
混合设计要求一个自变量用被试内设计，另一个自变量用被试间设计。这种设计实际上是在进行两个实验，综合了被试内设计和被试间设计各自的优点。
4.3小样本设计
4.3.1、大样本设计和小样本设计的对比
典型的实验通常都是大样本设计，因为样本多，可以减少被试间的个体差异对因变量的影响。
但是在一些特殊的情况下要用到小样本设计，比如，要确定某种疗法的效果，但是只有一两名患者的情况。还比如心理物理学实验，它受个体差异的影响非常小，但是做起来费时费力，所以也可以采用小样本设计。
小样本设计有自己的优势，第一，它有助于开展探索性的研究；第二，它在临床心理学和教育咨询领域，对验证矫正程序的有效性和检验理论假设特别有效。
4.3.2、两种有代表性的小样本设计
ABA设计
A表示治疗前的基准状态，B代表治疗后的状态。这种设计可以用来验证矫正程序的有效性。
ABA的意思是，先在A阶段测试被试的行为，然后对被试进行治疗，让被试处于B状态，测量看行为是否发生变化，最后再让被试恢复到A阶段。
如果研究者只采用AB设计，当我们测量到B阶段的变化时，我们不能把B阶段的变化直接归因于疗法的作用，因为可能还有其它的因素的影响。所以ABA设计的关键就在最后的A，如果能让被试恢复到A阶段就可以区分出疗法的效果，但前提是B阶段的治疗效果不能是持久性的，不然就回不到A的基准状态了。
多基线设计
指实验时引入同一自变量，但引入时间不同，这样，不同的行为或被试在引入自变量之前就会有长短不等的基线期。逻辑是当一种行为在接受处理时，另一种行为仍保持在基线条件下，如果处于基线水平的行为在接受自变量之前保持稳定，在自变量引入之后改变，我们就可以认定自变量是该行为发生变化的原因。
多基线设计还可以分为被试内多基线设计和被试间多基线设计。被试内的多基线设计是比较同一被试在不同的基线阶段的行为的不同，被试间的多基线设计是比较不同被试的同一行为在不同基线阶段的不同。